PII Detect GPT3.5 Synthetic Data [8k]

kaggle2024-02-28 更新2024-03-08 收录

数据生成

PII检测

数据链接：

https://www.kaggle.com/datasets/dileepjayamal/pii-detect-gpt3-5-synthetic-data-8k 数据链接链接失效反馈

官方服务：

资源简介：

GPT3.5 generated synthetic dataset ~ 8k

创建时间：

2024-02-28

CAPID

隐私保护

PII检测

CAPID是由滑铁卢大学和Vector Institute联合开发的合成数据集，专注于上下文相关的个人身份信息（PII）检测。该数据集包含2,307条样本，涵盖15种PII类型（如职业、健康、地理位置等），通过GPT-4.1-mini和GPT-5生成并经过人工验证，确保PII与问答任务的相关性标注准确性。其创新性在于首次量化PII的上下文相关性，支持训练本地小型语言模型（SLM）以实现隐私保护下的

arXiv2026-02-11 更新370

Synthetic Dataset Generation

数据生成

公平性研究

该项目实现了一种使用遗传算法的数据生成方法，旨在故意在多个统计公平性指标上诱导数据集偏差，用于更公平的不公平性研究。

github2024-03-30 更新300

Synthline v1

需求工程

数据生成

Synthline v1 是一个基于产品线方法的需求工程合成数据生成工具，旨在通过先进的生成策略和审查技术来生成高质量的合成需求数据。该工具通过提示策略、自动提示优化和生成后审查来控制合成数据的质量，以适应不同的需求工程分类任务。Synthline v1 的设计遵循设计科学研究方法，通过迭代设计和评估来提高工具的性能和实用性。

arXiv2025-06-26 更新160

Prasann15479/PII-Dataset

PII检测

--- license: apache-2.0 --- This Dataset was created using Gemini api using the kaggle notebook : https://www.kaggle.com/code/newtonbaba12345/pii-detection-data-generation-using-gemini

Hugging Face2024-03-02 更新350

refugees-gpt

自然语言处理

数据生成

该数据集名为'refugees-gpt'，由distilabel工具生成。数据集包含一个`pipeline.yaml`文件，用于在distilabel中重现生成该数据集的管道。数据集的结构包括三个主要特征：system_prompt、prompt和completion，均为字符串类型。数据集分为一个训练集，包含500个样本。数据集的标签包括'synthetic'、'distilabel'、'rla

Hugging Face2024-10-19 更新190

PII Detect GPT3.5 Synthetic Data [8k]

资源简介：

相关数据集